Geum.ru

Использование представлений о пространстве в экономической географии

Вид материалаДокументы
Подобный материал:

Использование представлений о пространстве в экономической географии.

Bivand R. Implementing representations of space in economic geography // Journal of regional science, Vol. 48, No 1 (2008). Pp. 1–27.


Разбор математических, эконометрических, информационных методов анализа и обработки пространственной информации. Обзор главных научных работ в области пространственной географии.


По мнению автора, представление о пространстве является ключевой концепцией географической науки. Пользуясь количественными методами экономической географии, автор исследует ее взаимосвязь с пространственной статистикой и демонстрирует восприятие пространства с точки зрения экономико-географа.

В работе четко выделяются три раздела – «Представление пространства», «Пространство и пространственная статистика» и «Использование представлений».

В первом разделе акцент сделан на различные способы и методы представления и изучения пространства.

В 1950-е годы началось активное развитие математической и теоретической географии, которое стимулировалось идеей об использовании моделей и теорий, подобных тем, которые уже существовали в других науках. Предполагалось, что в географии, тесно связанной, с одной стороны, с естественными, с другой – с социальными науками и экономикой, этот процесс будет особенно плодотворным. В исследованиях пространства ключевым моментом становится использование моделей, а также установление тесных связей между математикой и географией. Крупный вклад в этой области принадлежит Бунге (Bunge), Хаггету (Haggett), Берри (Berry) и в особенности Торстену Хегерстранду (Torsten Hagerstrand).

Помимо математической географии в США, Канаде, Великобритании и Франции развитие получает и использование географических информационных систем (ГИС). Гарвардская лаборатория компьютерного анализа в 1970-е годы становится крупнейшим инновационным центром в этой области. ГИС подразумевает не просто создание топографических карт, но возможность использования информации для анализа, в частности пространственного. Перед обычными картами ГИС имеет ряд преимуществ, главными из которых является возможность трехмерного и многослойного изображения. ГИС можно разделить на два семейства – векторное и растровое. В векторном семействе акцент делается на сохранение информации, точной привязке точек и отходящих от них объектов, например, линий и полигонов. Растровое семейство представляет действительность в виде непрерывных полей или поверхностей и предполагает правильное мозаичное представление изображения интересующей территории обычно в виде квадратов или треугольников в выбранном разрешении. Также между двумя основными семействами существует гибридный подтип. В статье дается анализ некоторых функциональных особенностей ГИС-семейств.

Особое место в представлении пространства автор отводит подглаве о диффузии и взаимодействии, рассматривая работу Торстена Хегерстранда о диффузии инноваций. Хегерстранд в 1953 году пришел к выводу о том, что местные фермеры более охотно приспосабливаются к инновациям, когда они сами живут в непосредственной близости от тех, кто раньше уже приспособился к этим инновациям. В 1929-1932 гг. исследователь провел опыт. Первые и последующие «заимствующие» были «заключены» в квадратную сетку размером в 1255 кв. км, нарисованную на плане вокруг поселения Асби, вместе со всем потенциальными «заимствующими», в данном случае с теми, кто мог бы претендовать на получение субсидий для улучшения пастбищ. Затем, разбив сетку на квадраты со сторонами по 25 км, Хегерстранд получил поля средней информации (MIF) и определил потоки информации с помощь кривой Парето. Используя модель Монте-Карло, Хегерстранду удалось описать процессы, протекающие в пространстве, и прийти к выводу об их характере.

Важным в науке остается вопрос о влиянии расстояния на пространственное взаимодействие между объектами. В этом отношении автору представляется интересными работы Брокмана (Brockmann), Хафнагела (Hufnagel) и Гейзела (Geisel) (2006).

Одной из серьезных проблем применения статистических моделей является использование в них пространственных данных. Порой использование изначально различной информации приводит к парадоксальному сходному результату, автор предполагает, что причиной системных ошибок является автокорреляция.

Вторая глава посвящена исследованию пространственной статистики и ее особенностей. Автор приводит обзор некоторых исследований в этой области. Отдельное место отводится анализу изучения особенностей пространственных процессов. В отличие от ГИС пространственная статистика обычно использует несколько моделей: точечную модель, модели непрерывного пространства или представления в виде «решетки» данных. Автор подробно разбирает каждый вариант и указывает на его недостатки и преимущества. В частности, точечные модели могут фиксировать точное местоположение явления и создавать сложное описание этого явления. Впоследствии можно исследовать повторяемость подобных явлений. Если же поверхность исследования неоднородна, в модель необходимо вносить дополнения.

Мозаичное изображение может быть создано и разделено на части произвольно, поэтому каждый раз в зависимости от нарезки в итоге могут получаться различные суммы. Это порождает т.н. модификационную проблему пространственных единиц. В политической терминологии это явление известно как джерримендеринг – нарезка избирательных округов с преимуществом для одного кандидата.

Можно представить элементарную моделируемую ситуацию, когда имеющаяся у исследователя информация состоит из «гладкостей» и «шероховатостей». «Гладкости» - это моделируемая информация, а в «шероховатостях» ее не содержится. С другой стороны, можно предположить, что главная информация все-таки содержится в «шероховатостях». Ее можно извлечь, используя «довесок» - «пространственные гладкости», представляющие собой пространственное моделирование «шероховатостей», другими словами - пространственную автокорреляцию. В некоторых случаях пространственное моделирование используется для уменьшения стандартных отклонений «шероховатостей» или улучшений расчетов стандартных отклонений «гладкостей», а «пространственным гладкостям» в этом случае не придается значения.

Особое внимание автор уделяет вероятностным процессам, рассматривает использование пространственных «весовых» матриц, случайных полей и цепей Маркова. В частности, приводится пример исследования соседства между штатами США с помощью метода граф, в результате которого автор демонстрирует тот факт, что восточные штаты имеют гораздо больше соседей, в то время как более крупные западные штаты имеют значительно меньше соседей, а вся территория США разбивается на три части.

Автором рассматривается и особое направление науки - пространственная эконометрика. На приведенных в статье графиках отражена положительная динамика цитируемости научных работ, посвященных этому направлению, в ведущих американских географических изданиях. В подразделе дается краткий обзор работ, в которых используются эконометрические модели и методы, например, работа нескольких групп ученых над вопросом, как изменение транзакционных издержек влияет на расстояние между банком и клиентом.

В итоговой главе автор поднимает проблему отсутствия необходимых инструментов для анализа информации в ГИС, а также способов обработки пространственных данных в стандартных статистических программах. Существует несколько способов решения этой проблемы: создание прикладных пространственно-статистических программ, а так же создание пространственно-статистических расширений для существующих программ по обработке информации. Автор разбирает существующие статистические программы по обработке пространственной информации, акцентируя внимание на «S-PLUS SpatialStats», «Matlab», «Spacestat» и «GeoDa».


А. Городецкая